URL 中,查询字符串与HTML实体冲突,可能带来的问题.
此问题相关信息(我不放在最前面,似乎有些朋友会找不到的样子.)
IE10+, Safari5.17+, Firefox4.0+,Opera12+, Chrome7+ 已经按新标准实现. 所以就没有这个问题了.
参考标准 :
http://www.w3.org/html/ig/zh/wiki/HTML5/tokenization 新标准明确提到,如果实体后面遇到的不是;且下一个是= 那么就不处理的.就是为了解决这个坑爹的问题的.
我们来看demo :
<a href="http://www.baidu.com?a=1®=2®_a=3" >悲剧</a>
部分浏览器(对应上面已经按新标准实现的版本之下的,各个浏览器.)
点上面的链接, 会自动把 ® 转意成® (部分浏览器会自动对转意后的字符进行编码) .
这个bug.的本质,就是当HTML中出现相关HTML实体(HTML character entity)时.就自动转意处理了. 所以理论上, 用脚本,动态创建的资源则没有这个问题,比如 new Image().src = 'http://www.baidu.com?a=1®=2'; 甚至动态创建的iframe.亦如此.
IE9- 有两个问题比其他浏览器更严重:
1. 用脚本跳转当前页比如
location.href = xxx,或 location.replace(xxx) .又或者是调用
window.open(xxx);如果查询字符串中包含这些html实体, 仍然会触发这个问题...
2. ，参见标准, 你会知道实体+"其他字符" , "其他字符中"，哪些与实体连接在一起，是没有这个问题的. 比如 ®a , ®1 其中a, 1 与 ® 连接就不会有这种问题,从标准角度,甚至是 ®_a 也不应有问题. 但是IE9-又一次打败了我们. 至于其他特殊字符如 # ~ 等.在各个浏览器中表现各异. 考虑我们在设计字段名时,不大可能出现那些字符.我们也不再纠结其他浏览器在此处实现的差异.
所以,理论上，这个问题应该是后端的同学,在输出html时.更加要注意的问题. 而前端同学，要注意的则是跳转或弹窗时的url中是否有相关的字段包含一个无分号即为html实体的情况.
至于IE为啥这么特殊...我也没想明白...
那么,无论后端同学也好,前端同学也罢,我们可能更改已经定好的字段成本比较高. 所以其实最妥善的办法,应该是这样子: (感谢 @辰光未然 的提醒.)
var fixURL = function (url) {
return url.replace(/&/g,'&');
};
//使用fixURL 去替换url中的&.然后再输出给html, 或者跳转链接，又或者弹窗... 当然,前端的同学在js代码中之所以要这样做.主要是受IE的拖累...
那么大概，很多HTML 实体都会出问题:
http://www.whatwg.org/specs/web-apps/current-work/multipage/named-character-references.html#named-character-references
这个表里, 没有分号结尾的,都是隐患... 也就是下面这106个: (感谢 @kenny 提供的最新的list 地址. 我花了点时间写了个脚本.把需要处理的,都抓了出来.)
我们可以用下面这个脚本来帮忙做检测 :
var checkURL = function () {
var list = [ //106
'Á',
'á',
'Â',
'â',
'´',
'Æ',
'æ',
'À',
'à',
'&',
'&',
'Å',
'å',
'Ã',
'ã',
'Ä',
'ä',
'¦',
'Ç',
'ç',
'¸',
'¢',
'©',
'©',
'¤',
'°',
'÷',
'É',
'é',
'Ê',
'ê',
'È',
'è',
'Ð',
'ð',
'Ë',
'ë',
'½',
'¼',
'¾',
'>',
'>',
'Í',
'í',
'Î',
'î',
'¡',
'Ì',
'ì',
'¿',
'Ï',
'ï',
'«',
'<',
'<',
'¯',
'µ',
'·',
' ',
'¬',
'Ñ',
'ñ',
'Ó',
'ó',
'Ô',
'ô',
'Ò',
'ò',
'ª',
'º',
'Ø',
'ø',
'Õ',
'õ',
'Ö',
'ö',
'¶',
'±',
'£',
'"',
'"',
'»',
'®',
'®',
'§',
'­',
'¹',
'²',
'³',
'ß',
'Þ',
'þ',
'×',
'Ú',
'ú',
'Û',
'û',
'Ù',
'ù',
'¨',
'Ü',
'ü',
'Ý',
'ý',
'¥',
'ÿ'
];
return function (url) {
var l = list;
var i = l.length;
var matchIndex;
var current;
var nextchar;
var errors = [];
for (; i--;){
matchIndex = url.indexOf(l[i]);
current = l[i];
if(matchIndex > -1){
if((current === '&' || current === '&') && url.charAt(matchIndex + 4) === ';'){
//如果是 & 或 & 我们就认为是故意要输出 & ,比如是一个调用fixURL方法修正过的URL.里面的& 会被我们替换为 amp;
//所以,我们要跳过它,去检查后面.
continue;
}
nextchar = url.charAt(matchIndex + current.length);
if(!/[a-zA-Z0-9]/.test(nextchar)){
//此处我们只要发现任意一个 ,如 ®后面紧随字符不在 a-z,A-Z,0-9范围内.就算有问题.
//这样处理实际和标准的细节以及浏览器实现有细微差异. 但是本着任何浏览器来跑case,都能发现潜在威胁的原则.和实现复杂度的考虑.
// 我们姑且粗暴的这样处理了. 似乎还不错.
errors.push(current + nextchar);
}
}
}
if(errors.length){
throw Error('contains : \n' + errors.join('\n'));
}
};
}();
test case 1:
var url = '//www.baidu.com?a=1&=2<=3®=4';
document.onclick = function () { //IE9-好了.证明我们的修正是ok的了.
window.open(fixURL(url))
};
test case 2:
var url = '//www.baidu.com?a=1&=2<=3®=4';
try{
checkURL(url);
}catch(e){
alert(e.message)
}